Agent时代：不拼参数拼全栈，百度先交卷

出品 | 子弹财经

作者 | 林岩

编辑 | 蛋总

美编 | 倩倩

审核 | 颂文

最近这半年，AI大厂们好像商量好了一样，集体从卷模型、参数转向卷Agent。

OpenAI把Codex做成了一套能跑代码、能调工具的系统；

微软把Build大会的调子换成了“Agentic Web”；

谷歌也一口气推出了智能体编排框架、搜索智能体、个人智能体。

各家看似各干各的，其实都在做同一件事：让AI从“会聊天”变成“能干活”。

原因不难理解。顶尖模型之间的分数差距已经小到用户感知不到，GPT-5.5、Claude、Gemini放在大多数任务里都够用，谁也没能明显甩开谁。

真正能拉开身位的是，模型之外的那套系统能力。好比一辆车，发动机再猛，没有底盘、传动和方向盘，照样开不动。

微软CEO Satya Nadella也多次强调，未来竞争的关键不只是模型，而是如何把模型、数据、工作流和Agent组织起来，形成完整平台。

放到中国AI产业语境里，这个转向更现实。国内市场不缺模型，也不缺应用入口。真正稀缺的是把模型能力稳定嵌入业务流程的系统能力。

毕竟，模型能力只是入场券，系统能力才是下一轮竞争的门槛。

放到这个背景下，再看7月10日百度AI Day上的百度搭子，其升级的智能路由、多端共享记忆、Browser Use、专业Skill生态、首个全自动化Skill上线流程等能力，真正看点不是功能清单有多长，而是百度把模型、工具、平台能力，真正整合成面向任务交付的产品。

1、百度搭子的看点是能力成体系释放

百度搭子这波更新的各项能力，不是各自为战，而是要放在一起看才能看懂。

智能路由要回答的问题是“活儿进来了先派给谁”，实现的效果是任务平均耗时降了20%，Token利用率提高25%。

这背后不是模型忽然开窍，而是云端和模型一起把调度做细了。云知道什么时候有算力空闲，模型知道什么时候需要更多推理资源，两者配合才能把效率推上去。

多端共享记忆解决的是任务换设备的问题。手机上起个头，电脑上接着做，中间不断线。Browser Use让Agent自己看网页、填表、点提交，不用人在旁边一步步操作。

专业Skill生态让Agent能调用专业能力，从自媒体套件到全自动化上线流程，用户不用手动配工具，Skill自己就能上线自己跑。

企业版则把流程打通，共享协作、资产沉淀、企业级Skill接入标准都配齐了，搭子不再只是个玩具，而是能真正“派”进企业系统里干活的“数字员工”。

串起来看，它们拼的是一个完整闭环：用户给目标，Agent拆解任务，调度工具，执行操作，交付结果。每一项升级都是在闭环上补一环，缺任何一环，任务就卡在那里交付不了。

这也是百度搭子此轮发布与普通产品迭代最大的不同。

普通迭代在单点做增量，模型聪明一点、界面好看一点，用户体感是“这次又多了个按钮”。

百度搭子则是把分散的能力整合成一个面向任务交付的系统能力，用户体验是“说句话就把事办了”，不是某一个功能变强了，是整个链路通了。从“有功能”走到“成体系”，这是质变。

问题在于，同时放出这么多能力，说起来容易，做起来极难。眼下大多数AI公司的能力是断层的，有模型的没有自己的云，有云的没有芯片，有芯片的又造不出好用的智能体。一家公司憋出一个新能力，往往也只能停在单点加分，很难做到成体系释放。

OpenAI能把Codex做成沙盒执行、代码生成、工具调用的闭环，靠的是模型加沙盒加工具链，但再往下，它摸不到芯片和云，算力供给和成本控制不在自己手里。谷歌手里有模型、有云、有自研TPU，但智能体这层还比较散，各产品线的Agent能力没有统一调度和协同，没有真正跑成一套统一闭环。

百度搭子能做到，是因为百度在过去几年搭了一套“芯、云、模、体”四层全栈。但光有四层还不够，真正的竞争优势不在“拥有”，在“协同”。

2、全栈转起来才是Looping

Looping这个词，直译是循环，但在百度的语境中，它不只是“绕一圈”，而是芯、云、模、体之间能够相互加强、循环优化，并把底层能力持续转化成用户可感知的产品能力。

芯这层是昆仑芯。它拥有国内第一个全自研的三万卡级集群，天池256卡超节点已经点亮，性能提升了25%，推理效率提升了50%。有自己的芯片意味着推理成本能自己定，供给节奏能自己安排，别人还在排英伟达的货期，百度已经把下一批算力铺好了。芯片这层从来不是摆设，是整套全栈的成本锚点和供给保障。

云这层是百度智能云，它是中国AI公有云市场连续六年第一，合作的央企超过80%。Agent要大规模跑起来，考验的是算力调度、弹性扩缩、安全隔离和企业级SLA，这几项不是随便哪个云平台都扛得住的。

大模型推理本身就吃算力，Agent执行又是高频调用，两者叠在一起，对云平台的要求早就超过了普通应用。

今年5月的Create大会上，百度智能云升级成了“新全栈AI云”。

一边是Agent Infra，想办法把每一个Token能撑起的智能水平做到最高，让Agent花更少的钱、更快把事办成；

另一边是AI Infra，在模型训推、集群和数据中心建设上继续加码，把算力性价比往上提。简单说，云层不是被动承载算力需求，而是在主动适配Agent时代的运行特征。

模这层是文心大模型。文心5.1的搜索能力做到了国内第一，预训练成本只有行业平均水平的6%。有自己的模型，好处是能在模型层面直接做优化，不用等着别人更新，也不用被别人的调价牵着鼻子走。这次百度搭子的Token消耗能压低75%，靠的不是一个聪明模型就能搞定的，是自研模型、Harness引擎和工程优化三层叠加的结果。

体这层是智能体，百度搭子本身，加上百度一镜、秒哒（上线8个月已经有50万个应用）、伐谋2.0等，在不同场景里各自验证着交付能力。体是全栈里唯一直接面对用户的一层，前面三层攒的力气，最后都得靠它交付出去。

百度的四层全栈同样构成了Looping，一个螺旋上升的正向循环：自己的芯片跑自己的模型，自己的模型架在自己的云上推理，自己的智能体框架调用全栈能力，全栈能力又反过来喂养智能体的执行效果。

芯片提速能压低推理成本，模型迭代能拓宽应用场景，云平台扩容能撑住更大规模，智能体进化又能验证并倒逼下一轮优化。哪一层进步了，其他层的产出都会被放大；哪一层有短板，也会被其他层补上。这构成了互相咬合、循环推进的Looping。

百度搭子此轮发布的智能路由是云加模型协同调度，Token消耗优化75%是芯片加模型加工程协同降本，Skill生态是智能体层调用全栈能力。每一项都不是单层产物，而是Looping的兑现。因此，百度真正做的不是“有全栈”，是“让全栈转起来”。

3、系统越完整半径就越大

当各家的模型能力越来越接近的时候，什么决定一个Agent能干多复杂的活？答案是它背后那套系统撑不撑得住。

只有模型的Agent，能应付问答和单步生成，真让它帮你订张机票就露馅了，它摸不到日历，打不开浏览器，也调不了支付接口。

模型加工具的Agent能跨系统执行任务了，但工具一多，调度容易乱，复杂任务拆不干净，接不住，交付不完整。模型、工具、云平台、专用芯片都齐备的Agent，才能做到大规模、高频次、成本可控的生产级任务交付，才能真正从“玩一玩”到“派上用场”。系统越完整，Agent能接住的任务就越复杂，AI的生产力才真正被释放出来。

数据可以佐证。百度搭子登顶PinchBench，93.3%的得分超过Anthropic的89.0%和OpenAI的91.6%。同一模型在百度搭子框架中展现更强执行力，这背后是系统能力在起作用，系统把模型的能力放大了。

DeepResearch Bench同样第一，得到58.03分，靠的是Deep Search与Deep Research双引擎协同，前者跨平台语义检索，后者叠加多轮推理与因果分析。单点做不到，得系统做。

AI产品榜上，百度搭子月增速114.72%登顶龙虾增速榜，116万月访问量排总榜第三。用户涨得快，靠的是系统能力让普通用户也能“零代码搭出智能体”，这才是增长背后真正的驱动力。

用户案例更能说明问题。70岁长白山摄影师老万零代码搭出视频素材筛选智能体，靠的是一套系统在支撑：框架能拆解任务、工具能操作文件、Skill能调用搜索、记忆能跨会话延续。

贵州乡村教师夫妇几十分钟搭出内容创作系统，90后缝纫教父杭哥一步把学员想法变成效果图加教学内容。

这些案例有一个共同点：用户不是技术人员，他们不会写代码，甚至不懂什么是框架和调度，他们只是有一个需求，用自然语言的方式“说句话就能搭出来”。

每一个“零代码搭出智能体”的背后，都是全栈在转。没有框架拆解、工具调度、记忆延续这些底层能力，用户看到的就不是“说句话就把事办了”，而是“还得自己配参数、写代码、画流程图”，那就不是零代码了。

企业客户更看重全栈深度。百度搭子企业版打通如流、BAP、ERP、工单，发布企业级Skill接入标准，这需要云平台的企业级基础设施、安全护栏、审计合规和SLA保障。

没有百度智能云连续六年AI公有云第一的底子，对企业的承诺就缺支撑。个人用户对偶发故障可以接受，但企业不行，一个SLA不达标可能就是合同违约。

Agent要进企业，不是多几个功能就行，是背后那套系统要扛得住企业级的要求。反过来也成立——一旦Agent通过了企业级的考验，意味着系统的稳定性、安全性和合规性已经到了一个新高度，这个能力又反过来加固全栈的底座。

4、结语

AI行业有个规律：每次竞争焦点上移，都会洗掉一批玩家。从卷算法到卷数据，从卷模型到卷系统，每一轮拐点都是一次重新发牌。这一轮，手牌是全栈。

百度搭子AI Day这波发布的真正信号不在于功能清单有多长，而在于它证明了一件事：当全栈转起来，能力的释放不是线性的，是指数级的。芯片降本让模型跑得起，模型优化让智能体干得动，智能体反馈让下一轮迭代更精准——这个飞轮一旦启动，每一轮的产出都比上一轮大。

Agent时代的竞争，不再是“谁的单项更强”，而是“谁的系统能持续自我加速”的问题。单项再强，终究是孤点；系统在转，才是活棋。

百度搭子此轮集中发布，不是一次产品更新，是Looping跑成闭环后的集中兑现。全栈时代，竞争的终局不是谁跑得最快，而是谁能越跑越快。